多尺度高斯模型的图像色彩增强Matlab代买，对于大雾天气下可以实现透雾。并且对于阴影下可以使得图像细节也变得清晰，效果挺不错，不过对于视频序列效率不足。

利用gmm模型建模，然后结合背景差分进行运动检测

基于混合高斯背景模型的背景差检测的视频运动目标检测

：针对静止摄像机下的运动目标检测问题，提出了一种基于背景减法的运动目标检测算法( 通过对一组 连续视频进行处理，从中得到不含运动目标的背景图像( 再利用背景差分的方法提取出运动目标( 在确定比较 阈值的过程中，一改以往通过实验不断调整的做法，提出了动态阈值的概念，从而增强了检测效果，提高了算法 的可实施性( 融入了高斯模型关于背景更新的算法，克服了由于背景突然改变而造成的误检测( 实验结果表明， 通过背景差分与高斯模型相结合的方法，在有诸多不确定性因素的序列视频中构建背景有较好的自适应性，能 迅速响应实际场景的变化，为准确地检测出运动目标提供了必要的基础(

MATLAB的相关混合高斯模型，用起来很好，有些瑕疵，适合学习了解混合高斯模型算法初学者

基于混合高斯模型并利用meanshift算法结合实现视频中运动目标的跟踪，可处理复杂背景，实时

几个基于k均值和改进的混合高斯模型进行视频运动目标跟踪的matlab代码

以高阶统计量数学分析方法，对混舍高斯模型进行研究，并给出理论计算结果。重点讨论二元混合高斯模型， 给出高阶统计量的理论值，用Matlab仿真不同方差和不同均值时多膜性、对称性和斜度值、峰度值的估计结果，并比较斜度 值、峰度值的理论结果和仿真结果，验证理论结果的正确性，为通信理论中混合高斯模型的研究做补充。 关键词：混合高斯模型；高阶统计量；二元混合高斯模型；峰度值；斜度值

视频中静止背景下的运动目标提取算法，首先介绍了帧差法和背景差分法这两类经典算法的基本思想和算法流程。其中先详细介绍了基于帧差法思想的两种算法：帧间差分法和三帧差分法，通过实验结果发现这两种方法都不能完整地提取出目标。然后详细介绍了基于背景差分法的三种算法：滑动平均法、高斯混合模型和核密度估计，通过实验结果发现滑动平均法会产生一些错误识别的区域，高斯混合模型会出现较多的漏检情况而核密度估计会错误地识别目标附近的区域。提出了一种基于直方图灰度值归类的背景差分法，利用直方图灰度值归类构造背景，使用迭代法自适应地选取阈值，采用联合时空域的分割和形态学重构完成运动目标的分割。同时也给出了一种新的思路，即先大致定位运动区域接着再只对运动区域完成运动目标提取，并通过实验证明了它的可行性和有效性。最后，通过实验发现本文算法与高斯混合模型和核密度估计相比，虽然在漏检率和误检率有时并不是最好的，但是在错误率这个整体指标上一直都是最低的，是这些算法里最稳定的。该算法能实时有效地构造背景模型，完整准确地分割运动目标。

实现了基于混合高斯模型的背景减除，在matlab下运行